AIモデル描画能力対決：トップ9 LLMによるSVG生成ベンチマーク

大規模言語モデルが「ビジュアルコード」に挑戦し始めたとき、真の勝者は誰なのか？この記事では、Claude Sonnet 4.5、GPT-5.1、Gemini 3.0など9つのトップAIモデルのSVG生成ベンチマークを詳細に解析し、30のクリエイティブなプロンプトでのパフォーマンスを探り、これが開発者やデザイナーにとって何を意味するのかを分析します。

コードとアートの交差点

PythonやJavaScriptを書くのが得意な人工知能が、「絵を描け」と言われたらどうなるか想像したことはありますか？ここで言っているのは、Midjourneyのようにピクセル画像を生成することではなく、SVG（スケーラブル・ベクター・グラフィックス）コードを書くことです。これは、数学者に数式を書いて猫を描かせるようなもので、狂っているように聞こえますが、これこそが現在のAI分野で最も興味深い戦場の一つなのです。

最近、「LLM SVG Generation Benchmark」というベンチマークが広く注目を集めました。このテストは、現在市場で最も強力な9つのAIモデルを集め、30の極めてクリエイティブなSVG生成指示に挑戦させたものです。これは単に誰のコードが正しいかをテストするだけでなく、これらのモデルが「空間推論」と「視覚的想像力」を備えているかをテストするものでもあります。

この対決の参加者リストは、Anthropic、OpenAI、GoogleからxAI、Alibabaなどのテック大手による最新の傑作を含んだ、まさにドリームチームと言えます。

出場選手紹介：2025年のトップ戦力

このベンチマークリストは、AIモデルの反復速度が驚くほど速いというメッセージを伝えています。現在の主要な大規模言語モデル（LLM）の最高水準を代表するこれら9人の選手を詳しく見てみましょう：

1. Claude Sonnet 4.5 (Anthropic)：厳格なコードロジックで知られていますが、今回のアップグレード版はグラフィックロジックでも優位性を維持できるでしょうか？
2. Claude Opus 4.5 (Anthropic)：Anthropicのフラッグシップとして、理論上、複雑な指示を処理する際により繊細なパフォーマンスを発揮するはずです。
3. Grok Code Fast 1 (xAI)：314BパラメータのMoE（混合エキスパート）アーキテクチャを擁し、速度とコード生成に重点を置いた、イーロン・マスク率いるxAIの重要な戦力です。
4. Gemini 2.5 Pro (Google)：マルチモーダル理解において常に優れたパフォーマンスを発揮してきたGoogleの主力モデルです。
5. Gemini 3.0 Pro Preview (Google)：これはGoogleの次世代のプレビュー版であり、画期的なアーキテクチャの改善があるか期待させます。
6. DeepSeek V3.2-Exp (685B/37B MoE)：オープンソースコミュニティからの強力な挑戦者であり、膨大なパラメータ数は複雑な世界の理解力を示唆しています。
7. GLM-4.6 (Zhipu AI, 355B/32B MoE)：Zhipu AIの最新のイテレーションであり、コード分野における中国語圏モデルの競争力を示しています。
8. Qwen3-VL-235B-A22B-Thinking (Alibaba)：Alibaba Cloudの通義千問（Qwen）シリーズで、特に「Thinking」と表記されており、グラフィック生成に不可欠な思考の連鎖（CoT）プロセスが強化されていることを示唆しています。
9. GPT-5.1 (OpenAI)：市場のベンチマークとして、GPTシリーズの更新は常に注目の的であり、バージョン5.1は創造性において確実に向上しているはずです。

なぜSVG生成はそんなに難しいのか？

画像を生成することの何が難しいのか、と問うかもしれません。DALL-Eはずっと前にそれをやってのけたではないか、と。

ここには重要な違いがあります。DALL-EやStable Diffusionのようなモデルが生成するのは「ピクセル」であり、適切な場所に色を塗りつぶせばよいのです。しかし、LLMによるSVG生成は「コード」を書くことです。モデルは頭の中でX/Y座標系を構築し、すべての曲線のベジェパラメータ（Bezier curves）を正確に計算し、レイヤーの重なり順のロジックを理解しなければなりません。

これは目隠しをしてパズルをするようなものです。モデルは自分が描いたものを見ることができず、XML構文の理解と空間ロジックの推論だけに頼って「盲目的に描く」しかありません。モデルに空間の概念がなければ、描かれた猫の耳がお腹に生えていたり、円が奇妙な多角形になってしまったりする可能性があります。

このベンチマークでは30のクリエイティブなプロンプトが使用されました。つまり、お題は単純な「赤い円を描け」ではなく、複雑なシーンの説明、抽象的な概念、あるいは精密な幾何学的構造を必要とする図形が含まれている可能性があります。これは構文の正しさだけでなく、物理的な世界の形状に対するモデルの認識も試されます。

各陣営の技術的攻防

今回のベンチマークでは、いくつかの興味深い技術的トレンドを観察することができます。

MoEアーキテクチャの台頭

リストの中のGrok、DeepSeek、GLMなどのモデルは、MoE（混合エキスパート）アーキテクチャであることを明確に示しています。これは、モデル内部に異なるタイプのタスクを処理する「専門家」がいることを意味します。SVGを描く際、幾何計算を担当する専門家と、配色を担当する別の専門家がいるかもしれません。この分業方式は、計算効率を維持しながら、出力の精度を向上させることが理論的に可能です。

「思考」能力の導入

Qwen3の名前に「Thinking」が含まれているのは非常に興味深いです。これは、モデルが最終的なコードを出力する前に、内部で思考の連鎖（Chain of Thought）による推論を行うことを表している可能性があります。精密な計算を必要とするSVGのようなタスクでは、モデルに「描く前に考えさせる」ことで、座標のずれという恥ずかしい状況を大幅に減らすことができます。

クローズドソースとオープンソースのせめぎ合い

GPT-5.1とClaude 4.5はクローズドソースモデルの頂点を表しており、通常は大量の人間によるフィードバック強化学習（RLHF）を経ており、人間の美意識を満足させる方法をよりよく知っています。一方、DeepSeekやQwenなどのモデルはオープンウェイトやオープンソースコミュニティの力を表しており、パラメータ数やアーキテクチャの革新において、より大胆であることが多いです。

開発者とデザイナーはどう選ぶべきか？

このベンチマークリストを前に、実際のワークフローにどのように適用すべきでしょうか？

あなたがフロントエンドエンジニアで、シンプルなアイコンやUIのプレースホルダー（Placeholder）を素早く生成する必要がある場合、Claude Sonnet 4.5やGrok Code Fast 1が第一候補になるかもしれません。これらは通常、クリーンで構造が良く、メンテナンスしやすいコードを生成できるからです。

あなたがクリエイティブワーカーで、インスピレーションを探したり、複雑なベクターイラストを生成したりしたい場合、GPT-5.1やGemini 3.0 Pro Previewはより多くの驚きを与えてくれるかもしれません。これらのモデルは通常、抽象的な指示の理解や色の使用において、より創造的です。

もし極めて高い精度が必要な場合、あるいは指示に複雑な幾何学的変換が含まれる場合は、「思考」能力を備えたQwen3や、巨大なパラメータ数を持つDeepSeekの方が、より堅実なパフォーマンスを発揮するかもしれません。

SVG生成の将来の応用シーン

このベンチマークは単なる遊びではなく、将来のコンテンツ制作の変化を予示しています。

• 動的Webデザイン：将来のWebサイトの画像は、もはや固定されたJPGではなく、色やサイズ、さらにはインタラクションさえも自由に変更できるAI生成のSVGになるでしょう。
• データ可視化：Excelデータを入力するだけで、AIがチャートライブラリに頼ることなく、美しいSVGチャートのコードを直接書き出すことができます。
• リアルタイムゲームアセット：シンプルなブラウザゲームなら、ベクターマップやキャラクターをAIが直接生成でき、開発の敷居を大幅に下げることができます。

AIがベクターグラフィックスを正確に操作できるようになると、デザインとコードの境界はさらに曖昧になるでしょう。

よくある質問 (FAQ)

AI生成SVGに関するよくある疑問をまとめました。この技術をより深く理解するのにお役立てください。

1. なぜAIが生成したSVGは時々「壊れて」いたり、線が暴走したりするのですか？

これは通常、モデルの「空間推論」能力が不足しているためです。SVGは精密な数学的座標に依存しています。モデルが内部ロジックで図形の幾何学的位置を正しく構築できない場合、パス（Path）が閉じなかったり、座標点の数値が間違っていたりして、図形が乱雑に描かれた線のように見えてしまいます。

2. これらのモデルが生成したSVGは直接商用利用できますか？

技術的に言えば、SVGは単なるコードであり、自由に変更できます。しかし、著作権の問題は法律上まだグレーゾーンにあります。ただし、SVGは数学的公式で構成された一般的な図形であるため、ピクセルアートに比べて著作権上の争いは通常小さいです。下書きとして使用し、その後人間が最適化や調整を行うことをお勧めします。

3. どのモデルが生成するSVGコードの品質が最高ですか？

開発者コミュニティの経験によると、Gemini 3.0 Pro Previewは通常、最もクリーンで可読性の高いXMLコードを生成でき、後の手動編集が必要なシーンに非常に適しています。一方、Claudeシリーズは、複雑で抽象的な描画指示を理解する上で優れたパフォーマンスを発揮する傾向があります。

4. より良いSVGを得るために、プロンプト（Prompt）をどのように最適化すればよいですか？

幾何学的形状とレイアウトを具体的に説明してみてください。「猫を描いて」と言う代わりに、「単純な円と三角形の組み合わせを使用して、ミニマリストスタイルの猫の顔のSVGアイコンを描画し、柔らかな色調を使用してください」と言います。明確な幾何学的ガイドを与えることで、モデルが座標をより正確に計算するのに役立ちます。

5. SVG生成とMidjourneyのような画像生成にはどのような違いがありますか？

本質は完全に異なります。Midjourneyは「ビットマップ」（ピクセル）を生成し、拡大するとぼやけ、内部要素を編集することはできません。一方、この記事で言及しているモデルは「ベクターコード」（Vector）を生成し、歪みなく無限に拡大でき、コードをいつでも修正して図形の色や形を変更することができます。